人脸识别方法和人脸识别系统的制作方法
【专利摘要】一种人脸识别方法及人脸识别系统，该方法包括步骤：获取待识别原始彩色图像；抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；针对各通道彩色图像，分别抽取对应的图像特征；对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征；对各通道降维后特征分别计算余弦距离相似度，并以SVM融合获得原始图像的最终相似度。根据本发明方案，能够从不同角度来对人脸图像信息进行描述，从而提高了人脸图像信息描述的准确性，便于在各种人脸验证与识别的场合进行应用。
【专利说明】人脸识别方法和人脸识别系统
【技术领域】
[0001]本发明涉及人脸识别领域，特别涉及一种人脸识别方法、一种人脸识别系统。
【背景技术】
[0002]人机交互技术的应用日益广泛，在人机交互领域中，人脸识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，已经有大量的人脸识别算法被提出。在传统的人脸识别应用中，由于受到采集设备和外界光照干扰等因素的影响，采集的人脸图像通常表示为灰度图像或者红外图像，因而，人脸识别的算法也通常针对单通道灰度图像进行。在图像编码中，灰度图像与彩色图像的如8通道图像之间的线性融合，将丢失原始人脸图像的部分信息，从而人脸图像信息的描述不够准确，导致最后的人脸识别的不精确，影响到人脸识别的准确性。
【发明内容】
[0003]针对上述现有技术中存在的问题，本发明的一个目的在于提供一种人脸识别方法，本发明的另一个目的在于提供一种人脸识别系统，其可以提高人脸图像信息描述的准确性，且能够在各种人脸验证与识别的场合进行应用。
[0004]为达到上述目的，本发明采用以下技术方案:
[0005]一种人脸识别方法，包括步骤:
[0006]获取待识别原始彩色图像；
[0007]抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；
[0008]针对各通道彩色图像，分别抽取对应的图像特征；
[0009]对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。
[0010]一种人脸识别系统，包括:
[0011]图像获取单元，用于获取待识别原始彩色图像；
[0012]通道图像抽取单元，用于抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；
[0013]特征抽取单元，用于针对各所述通道彩色图像，分别抽取对应的两种以上的颜色特征；
[0014]降维单元，用于对各所述通道彩色图像的两种以上的颜色特征进行降维处理，获得降维后的图像特征。
[0015]根据本发明方案，在获取了待识别原始彩色图像之后，是抽取该待识别原始彩色图像的预设通道类型的通道彩色图像，并针对这些通道类型的通道彩色图像，分别抽取对应的图像特征，并对抽取的图像特征分别进行降维处理，获得降维后的图像特征，这些各通道的降维后的图像特征分别从不同的角度表征了待识别原始彩色图像的不同性能，将这些不同性能进行结合，能够从不同角度来对人脸图像信息进行描述，从而提高了人脸图像信息描述的准确性，便于在各种人脸验证与识别的场合进行应用。【专利附图】
【附图说明】
[0016]图1是本发明的人脸识别方法实施例的流程示意图；
[0017]图2是本发明实施例中所提取的8个通道的彩色图像的图像示意图；
[0018]图3是本发明实施例中所提取的5个尺度、8个方向的特征的示意图；
[0019]图4是本发明实施例中不同邻域大小的特征及融合后的！18？特征的示意图；
[0020]图5是本发明的人脸识别系统实施例的结构示意图。
【具体实施方式】
[0021]以下结合其中的较佳实施方式对本发明方案进行详细阐述，在下述说明中，首先针对本发明的人脸识别方法的实施例进行说明，再针对本发明的人脸识别系统的实施例进行说明。
[0022]图1中示出了本发明的人脸识别方法实施例的流程示意图。如图1所示，本实施例中的方法包括步骤:
[0023]步骤3101:获取待识别原始彩色图像；
[0024]步骤3102:抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像；
[0025]步骤3103:针对各通道彩色图像，分别抽取对应的图像特征；
[0026]步骤3104:对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。
[0027]根据本实施例中的方案，在获取了待识别原始彩色图像之后，是抽取该待识别原始彩色图像的预设通道类型的通道彩色图像，并针对这些通道类型的通道彩色图像，分别抽取对应的图像特征，并对抽取的图像特征进行降维处理，获得降维后的图像特征，这些各通道的降维后的图像特征分别从不同的角度表征了待识别原始彩色图像的不同性能，将这些不同性能进行结合，能够从不同角度来对人脸图像信息进行描述，从而提高了人脸图像信息描述的准确性，便于在各种人脸验证与识别的场合进行应用。
[0028]其中，对人脸识别的最常见的一种应用，是将所识别的人脸与数据库中的某一个或者某一些预先存储的人脸进行比较，判断二者的相似性，以判定所识别的人脸是否与预先存储的人脸对应的人物一致，因此，在本发明的该实施例中，在上述步骤3104之后，还可以包括步骤:
[0029]步骤3105:分别计算所述待识别原始彩色图像与预设原始彩色图像的各通道彩色图像降维后的图像特征的相似度；
[0030]步骤3106:对各通道彩色图像的相似度进行融合，得到所述待识别原始彩色图像与预设原始彩色图像的最终相似度。
`[0031]以下就发明方法的实施例中上述各步骤的具体实现方式进行举例说明。
[0032]彩色人脸图像在人脸检测、人脸检索等场合的应用比较多，但是在人脸识别中并不多见，有研究表明，相比于灰度图像，彩色图像包含有更多的图像信息，不同通道的彩色图像，其图像信息也并不相同。
[0033]在灰度图像表示下，图像像素值通常采用1--通道的平均值(例如=(尺+6+8)/3)或者加权值(例如= 0.29901^+0.58706+0.11408)来表示，甚至通过训练样本学习出最优灰度值表示的RGB通道权重a 1、a2、Ci3，并基于所得到的权重来表示图像像素值(例如Gray = a #+a 2G+α 3B)，权重对灰度图像的表示存在一定的影响，在不同的权重表示下，通常能获得不同的人脸识别率。尽管如此，由于图像像素值表示的局限性，融合后的灰度图像仍然导致了部分区域图像信息的丢失，直接采用彩色图像表示能够最大可能保留原始图像信息。
[0034]常见的人脸彩色图像的表达方式有多种，例如RGB、HSV、YUV、YCbCr、XYZ、?Q、LAB颜色/色彩空间等等，不同的表示方法下图像像素值会有所不同，在本发明的上述步骤S102中抽取待识别原始彩色图像的多通道彩色图像时，可以任意选择两种以上不同类型颜色空间的多种通道的彩色图像。
[0035]在本实施例中，考虑到RGB、YCbCr、YIQ颜色空间对原始图像的颜色通道具有相互补充的描述，因此，选用RGB、YCbCr, YIQ颜色空间来对原始彩色图像进行描述，即预设通道类型包括R通道、G通道、B通道、Y通道、Cb通道、Cr通道、I通道、Q通道，预设通道类型的通道彩色图像包括:R通道彩色图像、G通道彩色图像、B通道彩色图像、Y通道彩色图像、Cb通道彩色图像、Cr通道彩色图像、I通道彩色图像、Q通道彩色图像。在本发明的另外一个实施例中，由于YUV与YCbCr往往呈现出像素差异很小的图像，因此也可以选用RGB、YUV、YIQ颜色空间来对原始彩色图像进行描述。
[0036]针对RGB颜色空间来说，其R、G、B三通道的值，可以直接基于原始的待识别原始彩色图像获得，具体的获得图像的R、G、B值的方式可以采用目前已有以及将来出现的任何一种方式。而针对YCbCr、YUV、YIQ空间来说，其对应的值可以根据与RGB空间的转换公式来获得，具体的转换公式可以是如下所述:
【权利要求】
1.一种人脸识别方法，其特征在于，包括步骤: 获取待识别原始彩色图像； 抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像； 针对各通道彩色图像，分别抽取对应的图像特征； 对各通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。
2.根据权利要求1所述的人脸识别方法，其特征在于，还包括步骤: 分别计算所述待识别原始彩色图像与预设原始彩色图像的各通道彩色图像的降维后的图像特征的相似度； 对各通道彩色图像的相似度进行融合，得到所述待识别原始彩色图像与预设原始彩色图像的最终相似度。
3.根据权利要求2所述的人脸识别方法，其特征在于: 采用余弦公式计算各通道彩色图像的降维后的图像特征的相似度； 采用VI训练权重融合对各通道彩色图像的相似度进行融合，得到所述最终相似度。
4.根据权利要求1或2或3所述的人脸识别方法，其特征在于，所述预设通道类型的通道彩色图像包括卩通道彩色图像、6通道彩色图像、8通道彩色图像、X通道彩色图像、(?通道彩色图像、0通道彩色图像、I通道彩色图像、0通道彩色图像。
5.根据权利要求1或2或3所述的人脸识别方法，其特征在于，所述图像特征为特征、18？特征。
6.根据权利要求5所述的人脸识别方法，其特征在于，针对各通道彩色图像抽取对应的特征的过程包括: 针对每个像素点，通过选择第一预设数目个尺度和第二预设数目个方向，根据核计算该像素点的邻域点的卷积特征模值，得到该像素点的(^化!"特征。
7.根据权利要求6所述的人脸识别方法，其特征在于，所述第一预设数目为5，所述第二预设数目为8。
8.根据权利要求5所述的人脸识别方法，其特征在于，针对各通道彩色图像抽取对应的见8？特征的过程包括: 采用见8？编码方式计算各像素点在两种以上不同邻域大小情况下的见8？编码值；对各不同邻域大小情况下的编码值进行串联、叠加，获得该通道彩色图像对应的此8？特征。
9.根据权利要求8所述的人脸识别方法，其特征在于，所述不同邻域大小分别为邻域1、邻域2、邻域3。
10.根据权利要求1或2或3所述的人脸识别方法，其特征在于，采用1^0八降维方式进行所述降维处理。
11.一种人脸识别系统，其特征在于，包括: 图像获取单元，用于获取待识别原始彩色图像； 通道图像抽取单元，用于抽取所述待识别原始彩色图像的预设通道类型的通道彩色图像； 特征抽取单元，用于针对各所述通道彩色图像，分别抽取对应的图像特征； 降维单元，用于对各所述通道彩色图像的图像特征进行降维处理，获得降维后的图像特征。
12.根据权利要求11所述的人脸识别系统，其特征在于，还包括: 相似度计算单元，用于分别计算所述待识别原始彩色图像与预设原始彩色图像的各通道彩色图像的降维后的图像特征的相似度； 相似度融合单元，用于对各所述通道彩色图像的相似度进行融合，得到所述待识别原始彩色图像与预设原始彩色图像的最终相似度。
13.根据权利要求12所述的人脸识别系统，其特征在于: 所述相似度计算单元采用余弦公式计算各通道彩色图像的降维后的图像特征的相似度； 所述相似度融合单元采用3穩训练权重融合对各通道彩色图像的相似度进行融合，得到所述最终相似度。
14.根据权利要求11或12或13所述的人脸识别系统，其特征在于，所述预设通道类型的通道彩色图像包括I？通道彩色图像、6通道彩色图像、8通道彩色图像、X通道彩色图像、(?通道彩色图像、01-通道彩色图像、I通道彩色图像、0通道彩色图像。
15.根据权利要求11或12或13所述的人脸识别系统，其特征在于，所述图像特征为6&1301-特征、HLBP特征。
16.根据权利要求15所述的人脸识别方法，其特征在于，所述特征抽取单元，采用下述方式抽取各通道彩色图像对应的6处01~特征: 针对每个像素点，通过选择第一预设数目个尺度和第二预设数目个方向，根据核计算该像素点的邻域点的卷积特征模值，得到该像素点的(^化!"特征。
17.根据权利要求16所述的人脸识别系统，其特征在于，所述第一预设数目为5，所述第二预设数目为8。
18.根据权利要求15所述的人脸识别系统，其特征在于，所述特征抽取单元采用下述方式抽取各通道彩色图像对应的特征: 采用^^8？编码方式计算各像素点在两种以上不同邻域大小情况下的编码值； 对各不同邻域大小情况下的编码值进行串联、叠加，获得该通道彩色图像对应的18？特征。
19.根据权利要求18所述的人脸识别系统，其特征在于，所述不同邻域大小分别为邻域1、邻域2、邻域3。
20.根据权利要求11或12或13所述的人脸识别方法，其特征在于，所述降维单元采用 降维方式进行所述降维处理。
【文档编号】G06K9/00GK103839042SQ201210491316
【公开日】2014年6月4日 申请日期:2012年11月27日 优先权日:2012年11月27日
【发明者】熊鹏飞 申请人:腾讯科技（深圳）有限公司